实证非侵入式负载监测中测试真实和去噪聚合物的性能差距调查
摘要：非侵入式负载监测（NILM）领域中算法的审慎和有意义的性能评估对于该研究领域的进展至关重要。在NILM领域，性能评估可以在由智能能源计表或个别负载信号的人工叠加（即去噪的聚合物）提供的真实世界聚合信号上进行。长期以来，人们一直怀疑在这些去噪的聚合物上进行测试可以提供更好的评估结果，主要是因为信号的复杂性较低。在真实世界聚合信号中，复杂性随着未知/未跟踪负载的数量增加而增加。尽管这是一个已知的性能报告问题，但对于真实测试与去噪测试之间的实际性能差距的调查仍在进行中。在本文中，我们研究了真实世界和去噪聚合物之间的测试性能差距，以澄清这个问题。我们首先对数据集中的噪声水平进行评估，发现测试案例之间存在显著差异。我们对包括三种负载分解算法在内的评估设置进行了广泛的研究，其中两种算法依赖于神经网络架构。本文的结果基于对三种噪声水平情景进行的研究，显示出负载分解算法在去噪聚合信号上提供了显著更好的性能的明显趋势。对我们研究结果的进一步分析表明，所有类型的电器都可能受到这一现象的影响。我们通过讨论可能导致NILM中真实测试和去噪测试之间巨大差距的因素来结束本文。
作者：Christoph Klemenjak and Stephen Makonin and Wilfried Elmenreich
论文ID：2008.10985
分类：Other Computer Science
分类简称：cs.OH
提交时间：2020-10-06